ankane/eps

它解决了什么问题

Eps 简化了直接在 Ruby 应用程序中构建、训练和提供机器学习模型的过程。它弥合了数据科学与生产环境之间的鸿沟，使开发人员能够创建预测模型（回归或分类）并进行部署，而无需管理复杂的外部基础设施或切换语言。

工作原理

Eps 提供了一个统一的 Ruby 接口，用于使用 LightGBM、Linear Regression 和 Naive Bayes 等算法训练模型。它处理数据准备、特征工程（包括文本处理）和模型验证。模型使用 PMML (Predictive Model Markup Language) 标准进行存储和交换，这允许您在 Python 或 R 等其他语言中训练模型，并无缝地在您的 Ruby 或 Rails 应用程序中提供服务。

适用人群

该项目适用于希望将机器学习集成到其应用程序中而不离开 Ruby 生态系统的 Ruby 和 Rails 开发人员。它非常适合需要将用各种语言构建的模型部署到统一的基于 Ruby 的生产环境中的团队。

亮点

• 支持多种算法：LightGBM (默认)、Linear Regression 和 Naive Bayes。
• 互操作性：通过 PMML 提供在 Python、R 和其他语言中训练的模型。
• 原生 Rails 集成：易于整合到 Rails 工作流程中，包括数据库中的模型存储和自动重新训练。
• 内置评估：自动拆分数据进行验证，并提供 RMSE 和准确率等性能指标。
• 灵活的数据输入：支持数组、哈希、Numo 数组和 Rover 数据框。